華南理工大學drift隊技術(shù)報告修改最終版

1、華南理工大學Drift 隊技術(shù)報告1，1，1 ，1，1，（1華南理工大學自動化學院，廣州 五山 510640)：我們對參賽用車建立了簡化的模型，通過對模型的分析提高了效果。該車使用了遠距離和近距離兩層紅外傳感器探測體系對軌跡進行探測，同時，使用模糊算法和 PID 算法根據(jù)不同的路況切換。模糊算法通過視覺的方法進行了訓練，通過7.0 上的模糊邏輯工具包進行了，我們使用智能化的模糊算法在 PID 算法的配合下對智能汽車進行，取得了很好的效果設(shè)計了車輛的機械結(jié)構(gòu)減輕了重量，提高了行駛性能。我們使用了飛思的 S12 單片機MC9S12DG128 完成了整個：智能汽車 模糊，PID可靠。紅外探測 S12

2、 單片機of the race car. By using this mAbstract：We designed a simple m, we improvedeffect of the car running. Our smartcar use both long-distance and short-distance infrared sensors to get the track. We use Fuzzy Logic control arithmetic and classical PID control arithmetic to control the smartcar. The

3、 Fuzzy Logic control arithmetic was trained by using the method of machine vision. We also simulate the Fuzzy Logic control arithmeticby using Fuzzy Logic Toolbox for use with7.0. We improved the speed of ourcar by change the machine framework. We use freescale s12 singlechip MC9S12DG128 finishing a

4、ll the job, perfectly.Key words: smartcar, Fuzzy Logic control,PID,s12 singlechipinfrared sensor,正文：智能汽車的行駛一直以來是自動化、汽車等學科研究的目標，首屆“飛思”杯大學生智能車大賽使的學校和同學有了探索研究處理這個的機會。大學生智能模型車競賽是在飛思半導體公司資助下舉辦的以HCS12單片機為的大學生課外科技競賽。組委會將提供一個標準的汽車模型、直流電機和可充電式電池，參賽隊伍要制作一個能夠識別路線的智能車，在專門設(shè)計的跑道上自動識別道路行駛，誰最快跑完全程而沒有沖出跑道并且技術(shù)報告評分較高，

5、誰就是獲勝者。1為了追求獲勝的目標，人們對人工智能與人技術(shù)，汽車技術(shù)，自動化技術(shù)能在更廣泛、更深入的層面展開研究 ,這樣無疑對學術(shù)研究和生產(chǎn)應(yīng)用很強的實際意義。比賽的專業(yè)知識涉及、模式識別、傳感技術(shù)、電氣、計算機、機械等多個學科，對學生的知識融合和學科學術(shù)水平的提高，具有良好的長期的推動作實踐動手能力的培養(yǎng)，對高等學校用。1車輛模型的建立及2.1 車輛建模的意義要想精確的車輛，車輛模型的建立尤其是運動模型的建立是十分重要的。在系統(tǒng)分析上，我們比賽的智能車建模應(yīng)該歸于汽車型非完整對于這樣一個模型，如果完全建立它的模型，人建模。懸掛，路面摩擦，滑動等的影響是一件復(fù)雜而又作用有限的事，基于簡化模型，

6、提高效率的原理，我們對車輛在無車輪打滑的情況下的運動學模型進行了建立和分析。在模型中我們先對單一車輪的運動學模型進行建立和分析， 然后擴展到整個車輛。2.2 單一車輪模型。設(shè)想一個車輪垂直的在一個水平面上滾動，如圖 2.1 所示。圖 2.1 對于獨輪系統(tǒng)的統(tǒng)一化的坐標顯示這個系統(tǒng)的狀態(tài)可以由3個變量組成的一個矢量q表示，其中x，y表示對于運動平面的相對位置，角表示車輪相對于y軸的方向角度。這個矢量q不能認為是律的2變量，實際上，它是符合以下規(guī)我們設(shè)v1為車輪的行駛方向的線速度，v2為相對于垂直軸的角速度。這就是對于單一車輪運動學的模型。2.3 轎車型模型的建立單一車輪運動學的模型推廣到一個完整

7、的轎車型車輛模型。如圖2.2所示圖2.2 對于轎車型模型統(tǒng)一坐標表示根據(jù)圖中所示，我們可以列出以下方程：其中xf、yf與x、y是相關(guān)聯(lián)的變量對于后輪驅(qū)動的車輛，如我們現(xiàn)在所要的目標車輛，我們可以列出如下的車輛方程：這是一個多變量的微分方程組，簡單有效的對后輪驅(qū)動的轎車型非完整人做了闡釋。我們在對車輛的算法的研究中，以這個模型為基礎(chǔ)，取得了良好的效果。以此模型為基礎(chǔ)，我們只要取得車輛的速度和轉(zhuǎn)向角度，然后再對車輛速度和轉(zhuǎn)向角度進行控制就能對車輛的軌跡進行精確。同時我們?nèi)绻麥y出車輛軸向的度和垂直軸向的度也可以出車輛狀態(tài)。23. 車輛的總體設(shè)計3.1 車輛設(shè)計思路車輛對路況的距離越遠，越能提前得到路

8、況信息，對車輛行駛速度越有幫助。我們提出的算法就是基于遠距離探測配合近距離探測的算法。所以，我們使層紅外探測，組成兩層探測體系，兩層探測體系再結(jié)合先進的整車設(shè)計簡圖：算法進行。3.2 車輛機械部分的設(shè)計參輛是由組委會統(tǒng)一下發(fā)的，車輛運動部分是改動的，這樣，我們主要從提高車輛對路況的判別，同時，更好的設(shè)計步驟：車輛方面進行了總體設(shè)計。1首先利用的另外一種較便宜，容易改裝，同時機械運動結(jié)構(gòu)和我們現(xiàn)在使用的較為一致的模型車初步設(shè)計方案，結(jié)合算法進行調(diào)試。2在經(jīng)過調(diào)試確定最佳方案后，對實際比通過試車進行調(diào)整。提出方案。并利用簡易支架進行固定。3確定最終方案。利用輕質(zhì)保證安裝質(zhì)量。板材進行機械。盡可能將

9、重量壓縮到最小，同時4在機械中為了確度和安裝要求，我們使用了機床和數(shù)控銑床進行，取得了很好的效果。根據(jù)車輛的行駛特性，我們調(diào)整了車輛的重心和車輪的內(nèi)心前移，重心到后軸水平距離增大，易發(fā)生后軸側(cè)滑，對高速汽車心到后軸水平距離減小，前輪易喪失轉(zhuǎn)向能力。實踐證明前輪，取得了很好的效果。若重性大；若重心后移，重大一點對車輛的轉(zhuǎn)向很有好處，因為車的自身功率較小，不易加到很高的速度，所有，剎車性能的好壞對車輛影響有限，但轉(zhuǎn)向性能的提高，過彎速度的提高對比賽成績有決定性的影響。所以， 機械安裝的調(diào)整，調(diào)整到靠近前輪的位置3。車的重心通過3.3 車輛電氣部分的設(shè)計我們使用了原配的112腳的MC9S12DG12

10、8大開發(fā)板進行開發(fā)設(shè)計， 開發(fā)環(huán)境。開發(fā)環(huán)境就是標準3.3.1 電氣部分方案我們的方案簡單的說就是利用遠距離傳感器對遠方路況進行一個，然后車輛速度，同時，根據(jù)前方路況切換不同的算法，近距離傳感器則是對車輛行駛起直接作用，不同的算法都是通過近距離傳感器的信息，車輛巡線行駛。同時，度傳感器車輛的位配合簡易光電碼盤對車輛的行駛狀態(tài)進行置，是否打滑等。3.3.2 路徑測量，測量車速，軸向和側(cè)向度，智能車巡線的精確度和檢測速度成為智能車大賽的，可以說是“得巡線者得冠軍”。想要讓車輛能又準又快的循跑道黑線駛完全部賽道，怎樣巡線成為關(guān)鍵。讓智能車巡線前進有很多解決途徑,并有多種光電器件可供選擇,如光敏器件、

11、紅外器件、近紅外探測器電機及測速舵機遠紅外探測器遠紅外探測器電氣部分光纖器件、顏色傳感器等. 由于光敏器件受可見光影響較大,光纖器件、顏色傳感器成本相對較高使用較復(fù)雜,故選用了反射式紅外器件,它具有效率高、受可見光影響較小、造價低廉、易于使用等優(yōu)點4。所以我們在對路況的1 遠距離紅外傳感器：上，選用的傳感器都是紅外傳感器。我們使用士kenyence公司的紅外光電傳感器作為遠距離傳感器，這種傳感器性能優(yōu)異，使用紅外調(diào)制光，可以對前方50cm的斜面進行路況探測或物體探測。工作可靠，能力強。我們使用它作為遠距離，也就是通過它進行算法切換。2 近距離紅外傳感器：我們使用普通的紅外對管，設(shè)計成單排垂直照

12、地的模式。根據(jù)調(diào)試經(jīng)驗，選擇了相對窄一點但傳感器分布密一點。電路圖如圖3.1所示。5圖3.1近距離紅外傳感器電路示意圖。3.3.3導航測量我們使用度傳感器和光電碼盤配合進行慣性導航，通過對度的得到當前車輛軸向和側(cè)向的速度，再次，就可以得到車輛的位置信息。而光電碼盤則通過對速度的，度傳感器的測量誤差。度傳感器我們選用ADXL202。ADXL202是一種低成本、低功耗、功能完善的雙軸度傳感器，其測量范圍為±2g。ADXL202既能測量動態(tài)度(如振動度)，又能測量靜態(tài)度(如重力度)。ADXL202可輸出數(shù)字信號，其脈寬占空比與兩根傳感軸各自所感受到的度成正比。這些信號可直接傳輸給微處理器，

13、而不需A/D轉(zhuǎn)換或附加其它電路。輸出信號周期在0.5ms10ms范圍內(nèi)，可用外接電阻RSET調(diào)節(jié)。如果需要與度成正比的模擬電壓輸出，則可從XFILT和YFILT管腳輸出信號，或者使用對脈寬占空比輸出信號濾波后的信號6。電路圖如圖3.2所示圖3.2度傳感器及AD轉(zhuǎn)換電路3.3.4驅(qū)動電機我們使用標準的33886進行電機驅(qū)動。電路圖如圖3.3所示圖3.333886驅(qū)動電機電路圖4車輛算法4.1 算法總體設(shè)計：我們設(shè)計的算法主要是分兩層算法，因為車輛在彎道行駛和在直道行駛有不同的特性，所以這兩種情況分成兩種算法來進行處理，而遠距離紅外傳感器對彎道的判斷就成為兩種算法切換的觸發(fā)點。在直道行駛時，我們使

14、用精度的PID算法進行，讓車輛能夠準確的巡線前進，在彎道行駛中，我們發(fā)現(xiàn)如果用PID算法繼續(xù)準確巡線的話車輛會因為轉(zhuǎn)向過度或轉(zhuǎn)向不足，產(chǎn)生較大的偏差，而這種比較大的偏差會激勵PID算法產(chǎn)生一個很大的量，從而使舵機轉(zhuǎn)向角度變大，舵機的劇烈運動通過車輛的行駛特性導致車輛速度大幅降低。所以我們認為彎道使用PID算法并不是一個很好的選擇。在彎道行駛中，我們根據(jù)模糊的原理設(shè)計了一種基于訓練樣本的模糊算法。這種算法首先通過訓練制訂出根據(jù)不同曲率半徑圓弧賽道的行駛策略，車速和舵機偏轉(zhuǎn)角，通過對各種方式策略的訓練從而得到最優(yōu)化的行駛策略。過彎時，車輛根據(jù)紅外傳感器測量出來的曲率，查表得最優(yōu)化的行駛策略，在PI

15、D算法的配合下，用最優(yōu)化策略通過彎道程序分層情況：圖 4.1 程序分層情況，程序采用分層結(jié)構(gòu)。不同層的分工不同，執(zhí)行的頻率也不同。最底層為“傳感器數(shù)據(jù)的和處理”，例如對遠、近紅外傳感器的和，對加速度傳感器的和累加。執(zhí)行周期大約在 15ms。“底層速度閉環(huán)采用 PID 或者開環(huán)的”根據(jù)速度決策給出的參考值將速度在一個相對的值。算法，執(zhí)行周期大約在 1030ms?！奥窙r及算法切換”對底層的數(shù)據(jù)進行分析，當前路況的情形，并根據(jù)不同路況進行算法的切換。具體策略見下邊“不同路況策略”。執(zhí)行周期 40100ms?！奥窙r歷史”整個賽道的路況歷史情況，視情況采取策略。速度決策”接收“路況歷史”和“路況及算法切

16、換”中對速度的要求，并具體設(shè)定一個參考值。4.2PID算法基礎(chǔ)的PID調(diào)節(jié)：在近距離紅外傳感器車輛走在直路或者曲率不大的彎道的時候，我們使用的是經(jīng)典的離散數(shù)字PID算法。7 1 de(t)tòu(t) = k e(t) + ()e(t)dt +TTpddt0i式中Ti 為時間常數(shù)；T d 為微分時間常數(shù)； K p 為比例系數(shù)。e(t)為誤差項，u(t)為令T 為采樣時間量。得到離散算法Du(k) = u(k) - u(k -1) = k1e(k) + k 2e(k -1) + k 3e(k - 2), k = -(k p + 2k d ) ,2其中k1 = k p + k i + k

17、 dk 3 = k d以此算法為基礎(chǔ)，很容易在CodeWarrior上，用C語言編寫出算法8。PID算法在的同時，結(jié)合度傳感器傳回去的度，速度，位置信息，通過已經(jīng)建立起來的簡單車輛模型對車輛位置狀態(tài)進行，將誤差項也放到PID算法中進行消除9。4.3. 模糊訓練算法：4.3.1 算法簡介這是我們根據(jù)智能車模的特性結(jié)合我們現(xiàn)在所擁有的測量和所設(shè)計的一路況歷史及速度決策路況及算法切換底層速度閉環(huán)（遠、近紅外，度傳感器）種算法。這種算法是首先測出車輛在各種半徑的彎道下所能達到的最大轉(zhuǎn)向速度。通過訓練樣本集測出最優(yōu)數(shù)據(jù)，把最優(yōu)數(shù)據(jù)制作車輛在行駛中，如果遠距離傳感器。在前方30cm的范圍內(nèi)是直道，則車輛全

18、力前進，舵機算法為PID調(diào)節(jié)。如果是彎道則根據(jù)車輛當前速度，把車輛到彎道前保證速度，并把算法切換到自適應(yīng)訓練算法。進入彎道，車輛的近距離紅外傳感器，這個偏差值的大小，變化速率和彎道的曲率是有直接的，查表，得出彎道的曲率，同時也得到了彎道的過彎速度和舵機的偏轉(zhuǎn)角度。以這個速度和角度對車輛進行，在過彎的時候，如果出現(xiàn)誤差error，則進行模糊據(jù)車速，寫出不同的隸屬度函數(shù)，當車速高的時候同時PID算法也輔助誤差10。，根經(jīng)過測試，我們發(fā)現(xiàn)這樣的算法比純粹用PID算法調(diào)節(jié)，無論是了較大提高。4.3.2 制作訓練樣本集精度還是過彎速度利用視覺和單片機片內(nèi)器制作訓練樣本集。狀態(tài)和特征通過兩種探測：1） 通

19、過工業(yè)相機，垂直從空中俯照。工業(yè)CCD從車輛正后方拍攝車輛以不同速度過彎時的過彎狀況。相機使用固定頻率采樣，車輛使用固定速度過彎。訓練達到最佳效果點。圖4.2所示的就是一次非常好的過彎情況。同時在上位機通過像計算出車輛當時實際速度和位置變化。視覺的圖像算法，通過圖圖4.2視覺過彎探測訓練2） 將車輛行駛中近距離紅外傳感器探測到的信息和當時車輛對舵機和電機的信息存放在s12單片機的片內(nèi)和分析。器里，然后再通過串口讀到電腦中來。從而對數(shù)據(jù)進行3）將視覺得到的過彎過程中各采樣點的速度、位置與過彎過程中的s12片內(nèi)器里量。的探測信息和信息相比較，根據(jù)車輛模型所確定的車輛行駛特性確定最佳4.3.3 模糊

20、算法我們在模糊算法的時候首先定出一些定義1、 近距離紅外傳感器測得賽道偏離中心程度為 error，有正負； 2、 error 在兩次間隔的采樣時間點的偏差為 derror，有正負；3、 遠距離紅外傳感器測到賽道中的黑線為 distant on，沒有測到為 distant off； 4、 遠距離紅外傳感器采用居中的安裝方式；路況共有 6 種1、 出發(fā)點，作為標志點；2、 十字交叉路，作為標志點；3、 直道采用 PID 消除 error 算法；4、 彎道采用轉(zhuǎn)彎角消除 derror 算法；5、 小角度蛇行采用直過法或者第一圈測繪，第二圈直過法；6、 大角度蛇行視作彎道處理；路況規(guī)則：1、 erro

21、r 小，derror 穩(wěn)，distant off彎道的開始2、 error 小，derror 穩(wěn)，distant on直道3、 error 小，derror 不穩(wěn)，distant off小蛇行4、 error 小，derror 不穩(wěn)，distant on蛇行5、 error 大，derror 穩(wěn)，distant off彎道中（轉(zhuǎn)彎半徑較?。?6、 error 大，derror 穩(wěn)，distant on彎道中（轉(zhuǎn)彎半徑較大） 7、 error 大，derror 不穩(wěn)，distant off蛇行8、 error 大，derror 不穩(wěn)，distant on蛇行說明：“傳感器數(shù)據(jù)的和處理”并約 82

22、0 組數(shù)據(jù)后，“路況及算法切換”這些數(shù)據(jù)應(yīng)用以上規(guī)則進行。例如“error 小”這樣的結(jié)論也是在分析了 820 個數(shù)據(jù)后得出的，而得出結(jié)論的值得討論。而 distant 數(shù)據(jù)的使用要結(jié)合 error 情況進行。具體來說，就是直道時，為了避免車體振動造成的誤判，應(yīng)該只在 error 為 0 時進行 distant 的。設(shè)定為 6 組近距離紅外傳感器在車前方成直線布置，如圖 4.2 所示.11賽道ABCDEF圖 4.2近距離紅外傳感器布置示意圖傳感器布置密度保證同時只有兩個傳感器檢測的賽道。傳感器檢測與誤差大小如表 4.1 所示。表 4.1 傳感器檢測與誤差對照Error 的隸屬度函數(shù)如圖 4.3

23、 所示傳感器ErrorABCDEF-3100000-2110000-10110000001100100011020000113000001圖4.3 error的隸屬度函數(shù)Derror的隸屬度函數(shù)如圖4.4所示圖4.4 derror的隸屬度函數(shù)輸出信號out的隸屬度函數(shù)如圖4.5所示圖4.5輸出信號out的隸屬度函數(shù)模糊程序結(jié)構(gòu)如圖4.6所示圖4.6模糊程序結(jié)構(gòu)模糊規(guī)則表rulelist如表4.2所示表4.2模糊規(guī)則表rulelist通過的，我們對模糊規(guī)則表rulelist很好的調(diào)節(jié)，然后經(jīng)過實際車輛行駛訓練取得了很好的rulelist參數(shù)值。經(jīng)過調(diào)試，最終取得了在最優(yōu)狀態(tài)下通過彎道的算法12。

24、5在學?？偨Y(jié)與展望和學院的支持下，我們參賽隊員竭盡全力，廢寢忘食，在車輛上取得了階段性的成果。車輛的總體性能如下：改造后的車模總體重量，長、寬、高等基本參數(shù):重：0.9kg；長：37cm；高：25cm；寬：185cm。電路功耗：約 1.5W所有電容總?cè)萘浚?91.7uF傳感器種類以及個數(shù)：光電 14 個；度傳感器 1 個；除了車模原有的驅(qū)動電機、舵機之外伺服電機個數(shù)：0 賽道信息檢測精度、頻率：98、1KHZ在我們的努力下車輛現(xiàn)在的直道時速大于2.2m/s，彎道時速平均也有1.6m/s。但還有增大的余地，我們輛重量，提高車輛的工作主要是增強算法的與行駛特性。性與精確性，同時在機械方面盡可能的減輕車展望下一屆比賽，我們希望能提供功率更大的車輛，同時在車輛結(jié)構(gòu)和方面盡可能的放寬要求。我們對于下一屆比賽，